饶淑琴
- 作品数：2 被引量：0H指数：0
- 供职机构：中山大学更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 特征选择算法研究及稳定性分析
- 特征选择是一种数据降维方式。在分类算法中，数据降维的目的主要是降低时空复杂度同时尽量提高分类准确率。因此一般通过比较分类准确率有没有提高，训练分类模型的时间有没有降低来反映特征选择算法的优劣，很少考虑选择的特征子集是否稳...
- 饶淑琴
- 关键词：数据降维
- 文献传递
- 优化线性辨别分析在人脸识别中的应用(英文)
- 2009年
- 国内外学者研究发现,类间方差最大化的方向与类内方差最大化的方向之间的角度对传统的线性辨别分析方法的准确性影响显著,并且,当这两个方向平行的时候,传统的线性方法往往不能得到很好的结果。经过的研究和实验,发现传统线性方法的准确性与类间方差和类内方差之间的角度没有直接的决定关系,它的最大问题在于线性地对类间方差和类内方差的加和不能完全保留类别之间的辨别信息。提出了一种优化的线性辨别分析的方法(OLDA)来解决这个问题。首先,引入了辨别能量的概念,能够给任意两个类之间的辨别信息赋予同样的权重;其次,引入了一种梯度下降的算法来计算最终的判别向量,并且加速迭代算子的引入能够更加有效地解决运算复杂度的问题。最后,为了解决非线性问题,预先的聚类算法能够将非线性问题转化成为线性问题,从而使数据集能够被有效地分辨出来。采用了一个人脸数据集和一个虚拟数据集进行了实现,实验结果表明提出的优化辨别分析的方法能够有效地解决数据集的分类问题。
- 杨文新饶淑琴王继娜印鉴陈健
- 关键词：人脸识别线性辨别分析聚类分析
